toate categoriile

Noutati

Acasă >  Noutati

Comparație a performanței de filtrare a filtrelor de aer de habitaclu pentru automobile disponibile în comerț cu diverși poluanți din aer România

Ora: 2024-11-06

Comparație a performanței de filtrare a filtrelor de aer de habitaclu pentru automobile disponibile în comerț cu diverși poluanți din aer

       

Abstract

Filtrele de admisie ale motorului auto asigură livrarea aerului curat către motor, deși în timp aceste filtre se încarcă cu contaminanți care împiedică fluxul liber de aer. Abordarea de astăzi în buclă deschisă a întreținerii filtrului de aer îi obligă pe șoferi să înlocuiască elementele la intervale de service prestabilite, cauzând înlocuiri excesive și insuficiente costisitoare și potențial dăunătoare. Rezultatul este că multe vehicule funcționează în mod constant cu putere redusă, consum crescut de combustibil sau uzură excesivă legată de particule, care poate dăuna catalizatorului sau poate deteriora suprafețele prelucrate ale motorului.
Vă prezentăm o metodă de detectare a încărcării contaminanților de filtru din datele audio colectate de un smartphone și un microfon de suport. Abordarea noastră de învățare automată a supravegherii filtrelor utilizează funcțiile Mel-Cepstrum, Fourier și Wavelet ca intrare într-un model de clasificare și aplică clasarea caracteristicilor pentru a selecta cele mai bune caracteristici de diferențiere. Demonstrăm robustețea tehnicii noastre arătându-i eficacitatea pentru două tipuri de vehicule și microfoane diferite, găsind cel mai bun rezultat cu o precizie de 79.7% atunci când clasificăm un filtru în trei stări de încărcare.
Îmbunătățirile aduse acestei tehnici îi vor ajuta pe șoferi să-și supravegheze filtrele și să îi ajute la sincronizarea optimă a înlocuirii acestora. Acest lucru va avea ca rezultat o îmbunătățire a performanței, eficienței și fiabilității vehiculului, reducând în același timp costurile de întreținere pentru proprietarii de vehicule.

Introducere

În fiecare an, vârsta medie a vehiculului și milele anuale parcurse cresc Departamentul de Transport al Statelor Unite (2016b), IHS Inc (2016) și, odată cu trecerea către mobilitatea partajată, nevoia de vehicule eficiente, fiabile și durabile continuă să crească.
Cele mai multe dintre 260" id="MathJax-Element-1-Frame" class="MathJax_SVG" tabindex="0">260Flota de un milion de vehicule din SUA (Departamentul de Transport al Statelor Unite, 2016a) este alimentată cu benzină (US Energy Information Administration, 2016), cu motoare care consumă aer și combustibil, aprind acest amestec pentru a propulsa un piston și evacuează produsele secundare ale arderii. Orice ineficiență face ca performanța motorului, economia și longevitatea să sufere.
Sistemul de admisie este esențial pentru performanța optimă. Aerul care intră trebuie să curgă liber pentru a obține eficiență, curat, pentru a proteja suprafețele motorului împotriva abraziunii și frigului, astfel încât densitatea crescută să permită arderea mai multor combustibil, îmbunătățind puterea.
Un element cheie al admisiei motorului, filtrele reduc concentrația de contaminanți la niveluri sigure (Jaroszczyk și colab., 1993), asigurând în același timp un flux liber de fluid pentru a limita încălzirea aerului de admisie. Aceste filtre sunt articole de uzură, care necesită curățare sau înlocuire odată ce sunt încărcate cu murdărie, praf și resturi.
Filtrarea optimă îmbunătățește captarea particulelor, reducând eroziunea cilindrului motorului. Micile modificări ale eficienței au un impact semnificativ: uzura motorului este 8" id="MathJax-Element-2-Frame" class="MathJax_SVG" tabindex="0">8 ori mai rapid pentru un filtru care este 98" id="MathJax-Element-3-Frame" class="MathJax_SVG" tabindex="0">98% contra 99" id="MathJax-Element-4-Frame" class="MathJax_SVG" tabindex="0">99% eficient (Jaroszczyk et al., 1993). În plus, filtrarea ideală reduce nivelul de zgomot din cabină și îmbunătățește puterea și răspunsul motorului. În schimb, filtrele murdare limitează puterea, provoacă zgomot, irosesc combustibilul Norman et al. (2009), Toma (2016) și poate provoca defecțiuni ale convertizorului catalitic din aval. Aceste provocări sunt cele mai semnificative în cazul vehiculelor cu carburator (Thomas et al., 2012) care nu dispun de controlul combustibilului în circuit închis. În timp ce mașinile noi au trecut la injecția de combustibil până la mijlocul anilor 1990, multe mașini, motociclete și alte vehicule de transport ușoare din întreaga lume folosesc încă carburatoare.
Schimbarea timpurie a elementelor filtrante pare o soluție evidentă, dar înlocuirea timpurie provoacă probleme subtile, dar grave. Eficiența captării particulelor crește odată cu încărcarea (Norman et al., 2009), astfel încât elementele puțin utilizate reduc uzura motorului și prelungesc durata de viață. Există o fereastră optimă în care să schimbați un filtru - una în care filtrul captează majoritatea particulelor și limitează minim fluxul.
Senzorii din interiorul vehiculului au fost proiectați pentru a rezolva problema înlocuirii optime a filtrului, dar majoritatea vehiculelor noi cu diagnosticare la bord de obicei nu monitorizează această stare și vehiculele mai vechi de obicei nu au nicio detectare. Puține vehicule oferă senzori de scădere a presiunii de admisie bazați pe vid (Norman și colab., 2009) care indică o creștere a căderii de presiune față de linia de bază de 1" id="MathJax-Element-5-Frame" class="MathJax_SVG" tabindex="0">1-2.5kPa" id="MathJax-Element-6-Frame" class="MathJax_SVG" tabindex="0">2.5kPa Toma (2016), Thomas et al. (2012). Acolo unde senzorii nu sunt prezenți, șoferii nu sunt de obicei conștienți și, prin urmare, se bazează pe sincronizarea date-blind, majoritatea șoferilor înlocuind filtrele la intervale stabilite (adesea 15,000 km (Toma, 2016)) sau când par murdari. Aceste metode sunt inexacte, vehiculele fiind utilizate în medii variate, cu diferite încărcări de particule și rate imprevizibile ale fluxului de aer (Jaroszczyk și colab., 1993).
Într-un sondaj al 21" id="MathJax-Element-7-Frame" class="MathJax_SVG" tabindex="0">21 filtre de aer testate după îndepărtare, 15" id="MathJax-Element-8-Frame" class="MathJax_SVG" tabindex="0">15 au fost îndepărtate devreme, în timp ce două au fost modificate după ce a început ocluzia care degrada performanța (Toma, 2016). Acest lucru indică faptul că șoferii care preiau vehicule pentru service schimbă filtrele prea devreme, dar este în mod inerent părtinitor, deoarece cele mai murdare filtre se găsesc în acele mașini niciodată luate pentru service. Presupunând că a 2" id="MathJax-Element-9-Frame" class="MathJax_SVG" tabindex="0">2Pierderea procentuală a economiei de combustibil la vehiculele nedeservite, un șofer mediu cheltuind 1680 USD pe an în combustibil deșeuri 33.60 USD conducând cu un filtru murdar. Acest lucru depășește costul unui filtru obișnuit și demonstrează potențialele economii pentru sincronizarea optimă a înlocuirii, ca să nu mai vorbim de deteriorarea pe termen lung a motoarelor și a convertoarelor catalitice.
Clasificarea eficientă a filtrelor în timp real ar putea reduce costurile de operare și emisiile vehiculelor, îmbunătățind în același timp fiabilitatea. Există o cerere latentă pentru aceste informații – 81.4% dintre oameni ar primi recomandări dintr-un sistem bazat pe date (Toma și Bobalca, 2016).
Pentru a reduce nevoia de schimbări comportamentale, poate fi utilizată detectarea generalizată, cu costuri reduse, folosind smartphone-uri, pentru a reutiliza dispozitivele existente (Engelbrecht et al., 2015). În ultimii ani, producătorii de electronice de larg consum au crescut capacitățile de detectare mobilă. Aceste noi intrări, variind de la presiunea atmosferică și orientarea dispozitivului până la temperatură, atingere și proximitate, s-au întâlnit cu îmbunătățiri proporționale în calculul mobil, stocarea și conectivitatea (Han și Cho, 2016). Lucrările noastre au arătat că este posibilă monitorizarea aprinderii motorului folosind astfel de dispozitive (Siegel et al., 2016b).
Ne propunem să trecem de la paradigma actuală de întreținere reactivă la cea proactivă, utilizând aceste resurse. Aplicăm sunetul mobil pentru a observa modul în care o mașină „respiră” pentru a clasifica performanța filtrului de aer cu scopul de a crea un indicator de „viață rămasă” și un monitor de stare pentru filtrele de aer pentru a îmbunătăți conformitatea cu cele mai bune practici de întreținere auto. Această lucrare demonstrează modul în care datele audio mobile și clasificarea ansamblului pot fi aplicate pentru a clasifica starea filtrului de aer în mai multe stări de încărcare.
În Secțiunea 2, emitem ipoteza că sunetul care emană de la admisie se modifică odată cu încărcarea cu particule, în timp ce Secțiunea 3 explorează lucrările conexe. Secțiunea 4 descrie o procedură experimentală pentru a colecta date și a simula contaminanții care restricționează fluxul de aer. Descriem algoritmul nostru de clasificare a ansamblului în Secțiunea 5 și prezentăm rezultatele în Secțiunea 6, arătând o precizie ridicată în diferențierea filtrelor noi, utilizate ușor, murdare și obstrucționate. În cele din urmă, Secțiunea 7 discută despre îmbunătățirile viitoare pentru acest algoritm și despre aplicațiile de detectare pervazivă la alte defecțiuni ale vehiculului.

Fragmente de secțiune

Descrierea problemei

Motorul cu ardere ideală necesită o sursă nelimitată de aer curat, rece și cu curgere liberă. În realitate, motoarele necesită filtre pentru a curăța aerul și a limita uzura. Când sunt noi, aceste filtre restricționează fluxul de aer de admisie și, pe măsură ce filtrul se încarcă cu contaminanți, această restricție și căderea de presiune asociată crește. În timp ce sistemele de admisie sunt reglate pentru a minimiza zgomotul, vibrațiile și duritatea, modificările debitului duc în cele din urmă la modificări perceptibile ale sunetului care emană de la admisie. Afirmăm că aceste presiuni

Arta prioritara

Caracterizarea performanței vehiculului, clasificarea stării componentelor și identificarea comportamentului anormal folosind semnale din domeniul timpului nu este un domeniu nou. Detecția în interiorul vehiculului a fost aplicată în special pentru monitorizarea filtrului de aer. Cu toate acestea, clasificarea în mai multe state și monitorizarea generală a stării rămân subexplorate.
Acest lucru nu este din cauza lipsei de diagnosticare generală a vehiculului. Utilizarea semnalelor audio este deosebit de răspândită în cercetare și aplicații industriale, deoarece semnalele acustice nu necesită 

Procedura experimentală și validarea ipotezelor

Această secțiune descrie modul în care am generat mostre audio de la un vehicul cu grade diferite de contaminare a filtrului de aer pentru a antrena un clasificator cu trei stări pentru mai multe vehicule.
Mai întâi discutăm despre un experiment care colectează date pentru a demonstra conceptul de utilizare a funcțiilor audio pentru a diferenția filtrele vechi de cele noi. Apoi, prezentăm o procedură pentru generarea de date controlate pentru clasificarea contaminării în mai multe stări și explicăm modul în care această abordare asigură robustețea clasificatorilor noștri. Aici, colectăm date

Dezvoltarea algoritmului

Din figura 5, am emis ipoteza că diferențele de vârf FT ar putea fi utilizate pentru a diferenția între trei stări, cu caracteristici suplimentare care îmbunătățesc precizia clasificării. În această secțiune discutăm despre modul în care am generat caracteristici, am reglat un clasificator și am selectat parametrii optimi de intrare pentru a maximiza acuratețea clasificării de încărcare a filtrului, minimizând în același timp supraadaptarea.

Rezultate în afara eșantionului

Această secțiune arată rezultatele optimizate pentru cele trei seturi de date testate în formă tabelară.
În tabelul 1, vedem configurația optimă pentru fiecare dintre cele trei modele și performanța eșample validată încrucișat de cinci ori, precum și 25" id="MathJax-Element-10-Frame" class="MathJax_SVG" tabindex="0">25% performanță peste eșantion.
Observăm tendințe în parametrii optimi ai modelului. Fiecare model tinde să selecteze dimensiuni mici, ceea ce sugerează că elementele DFT vor juca un rol important în diferențierea stărilor și că caracteristicile de interes sunt concentrate pe înguste.

Concluzii

Am demonstrat o acuratețe de 80% în detectarea încărcării cu particule din filtrul de aer în trei stări folosind caracteristici MFCC, DFT și wavelet și arbori de decizie în pungi, demonstrând viabilitatea audio pentru smartphone-uri procesate în serie pentru clasificarea filtrului. Clasificarea în mai multe stări este un pas către monitorizarea stării, în timp ce sensibilitatea demonstrată a clasificatorului sugerează că este posibil un răspuns timpuriu. O aplicație mobilă care utilizează această abordare poate îmbunătăți în cele din urmă performanța și eficiența vehiculului.
Rezultatele

PREV: IMPORTANȚA VITALĂ A FILTRULUI DE ULEI

URMĂTOR → : Povestea reală despre filtrele auto